机器学习预测全家桶-Python，新增VMD结合代码，大大提升预测精度！

截止目前，机器学习预测全家桶

本期继续更新《机器学习预测全家桶-Python》，截止目前，全家桶包含代码目录如下：

本期新增VMD相结合的代码，包含如下：

VMD-CNN-BiGRU、VMD-CNN-BiLSTM、VMD-CNN-BiLSTM-Attention、VMD-CNN-LSTM、VMD-LSTM

所谓VMD相结合的原理为：使用VMD将原始数据分解为数个有限带宽的模态分量，以降低原始数据的复杂度，而且不会发生模态混叠现象，提高数据清晰度，然后每个模态分别构建一个预测模型进行预测，最后把每个分量的结果相加得到最终的预测值。步骤如下：

1）首先对原始数据进行预处理；

2）对处理完的数据进行VMD分解，分解为K个模态分量和1个残差分量；

3）将各个模态分量输入模型，建立模型进行预测；

4）将各个预测结果相加得到最终的结果。流程图如下：

结果展示如下：

数据采用《电力负荷预测数据2.xlsx》，采用前5个时刻数据，预测未来一个时刻数据。更多关于数如何处理，请看前两期文章：

1.机器学习预测全家桶-Python，一次性搞定多/单特征输入，多/单步预测！

2.终于来了！python机器学习预测全家桶

---

结果展示：

①基本的LSTM：

②VMD-LSTM

③VMD-CNN-LSTM

④VMD-CNN-BiGRU

⑤VMD-CNN-BiLSTM

⑥VMD-CNN-BiLSTM-Attention

可以看到，加了VMD之后，效果是有显著提升的！

模型亲测python3.9版本可用。用到的包版本推荐如下：

pandas~=2.2.0
matplotlib~=3.8.2
numpy~=1.26.3
tensorflow~=2.15.0
keras~=2.15.0
seaborn~=0.13.1
scikit-learn~=1.4.0
scipy~=1.12.0
openpyxl~=3.1.2
mplcyberpunk~=0.7.1
qbstyles~=0.1.4
prettytable~=3.9.0
xgboost~=2.0.3
vmdpy~=0.2